Analogne i diskretne metode predstavljanja slike i zvuka
Osoba je u stanju da percipira i pohranjuje informacije u obliku slika (vizuelnih, zvučnih, taktilnih, okusnih i olfaktornih). Vizuelne slike se mogu sačuvati u obliku slika (crteži, fotografije, itd.), a zvučne slike se mogu snimati na ploče, magnetne trake, laserske diskove i tako dalje.
Informacije, uključujući grafičke i audio, mogu biti predstavljene u analogni ili diskretno formu. Uz analognu reprezentaciju, fizička veličina poprima beskonačan broj vrijednosti, a njene vrijednosti se kontinuirano mijenjaju. Sa diskretnim predstavljanjem, fizička veličina poprima konačan skup vrijednosti, a njena vrijednost se naglo mijenja.
Navedimo primjer analognog i diskretno predstavljanje informacije. Položaj tijela na nagnutoj ravni i na stepeništu određen je vrijednostima X i Y koordinata Kada se tijelo kreće duž nagnute ravni, njegove koordinate mogu poprimiti beskonačan broj vrijednosti koje se kontinuirano mijenjaju. iz određenog raspona, a pri kretanju uz stepenište - samo određeni skup vrijednosti, koje se naglo mijenjaju (sl. 1.6).
Primjer analognog prikaza grafičkih informacija je, na primjer, slika čija se boja kontinuirano mijenja, a diskretna slika štampana pomoću inkjet štampač i sastoji se od pojedinačnih tačaka različitih boja. Primjer analogne memorije audio informacije je vinil ploča(zvučni zapis kontinuirano mijenja svoj oblik), a diskretni - audio kompakt disk (čiji zvučni zapis sadrži područja različite refleksivnosti).
Konverzija grafičkih i zvučnih informacija iz analognog u diskretni oblik se vrši pomoću uzorkovanje, odnosno particije kontinuiranog grafička slika i kontinuirani (analogni) zvučni signal u pojedinačne elemente. Proces uzorkovanja uključuje kodiranje, odnosno dodjeljivanje svakom elementu određene vrijednosti u obliku koda.
Uzorkovanje je transformacija kontinuirane slike i zvuka u skup diskretnih vrijednosti u obliku kodova.
Pitanja za razmatranje
1. Navedite primjere analognih i diskretnih metoda predstavljanja grafičkih i audio informacija.
2. Koja je suština procesa uzorkovanja?
Analogna i diskretna slika. Grafičke informacije mogu biti predstavljeni u analognom ili diskretnom obliku. Primjer analogne slike je slika čija se boja neprekidno mijenja, a primjer diskretne slike je uzorak odštampan inkjet štampačem, koji se sastoji od pojedinačnih tačaka različitih boja. Analogno (ulje). Diskretno.
Slajd 11 sa prezentacije "Kodiranje i obrada informacija". Veličina arhive sa prezentacijom je 445 KB.Računarstvo 9. razred
sažetak ostalih prezentacija“Algoritmi strukture grananja” - uslov AKO, ONDA akcija. šta mi znamo? Struktura lekcije. Algoritam grananja. Dovršite algoritam i popunite tabelu. Učenik koji osvoji od 85 do zaključno 100 bodova prolazi u drugi krug takmičenja. Unesite broj bodova i odredite da li je prošao u drugi krug. Pronađite najveći broj između a i b. Napišite program u programskom jeziku. Algoritam grananja je algoritam u kojem se, ovisno o uvjetu, izvodi jedan ili drugi niz radnji.
“Stvaranje umjetne inteligencije” - Simulacijski pristup. Pristupi izgradnji sistema veštačke inteligencije. Evolucijski pristup. Umjetna inteligencija. Može kohabitirati sa mnogim ljudima, pomažući u rješavanju ličnih problema. Strukturalni pristup. Logičan pristup. Problemi tokom razvoja. Perspektive razvoja i područja primjene.
“Ciklični programi” - Digitalni. Petlja s preduvjetom. Pronađite iznos. Petlja sa postuslovom. Petlja s parametrom. Euklidov algoritam. Ciklični programi. Nađi zbir prirodnih brojeva. Koncept ciklusa. Početna naknada. Tabela funkcija. Izračunati. Primjer. Razdjelnici. Računarska nauka. Pronađite broj brojeva. Nađi. Pronađite broj trocifrenih prirodnih brojeva. Trocifreni brojevi. Pronađite skup vrijednosti funkcije. Tabela konverzije dolara.
“Šta je e-pošta” - pošiljalac. E-mail adresa. Istorija e-pošte. Pitanje izgleda e-pošte. Struktura slova. Usmjeravanje pošte. Pismo. Email. Kopiraj. Datum. X-mailer. Email. Kako to radi Email.
“Rad sa e-poštom” - Email adresa. Mailbox. Email protokol. Mreža za dijeljenje datoteka. Razdvajanje adresa. Prednosti e-pošte. Mail klijenti. Izumitelj e-pošte. Adresa. Email. Softver za rad sa emailom. Kako e-mail funkcionira. Telekonferencija. Mail server. Dijeljenje datoteka.
“Obrada u Photoshopu” - Cool momci. Kako razlikovati lažnjak. Raster i vektorske slike. Uvod. Top mesta. Program Adobe Photoshop. Retuširanje. Takmičenja u radu sa Photoshopom. Podešavanje svjetline. Moji prijatelji. Praktični dio. Slični programi. Glavni dio. Dizajn. Neobične životinje. Montaža više slika.
Možete zamijeniti kontinuiranu sliku diskretnom Različiti putevi. Možete, na primjer, odabrati bilo koji sistem ortogonalnih funkcija i, nakon što izračunate koeficijente prikaza slike pomoću ovog sistema (koristeći ovu osnovu), zamijenite sliku njima. Raznolikost baza omogućava formiranje različitih diskretnih reprezentacija kontinuirane slike. Međutim, najčešće se koristi periodično uzorkovanje, posebno, kao što je već spomenuto, uzorkovanje pravokutnim rasterom. Ova metoda diskretizacije može se smatrati jednom od opcija za korištenje ortogonalne baze koja koristi pomaknute -funkcije kao svoje elemente. Zatim ćemo, uglavnom, detaljno razmotriti glavne karakteristike pravokutnog uzorkovanja.
Neka je kontinualna slika, i neka je odgovarajuća diskretna slika, dobijena iz kontinuirane pravokutnim uzorkovanjem. To znači da je odnos između njih određen izrazom:
gdje su vertikalni i horizontalni koraci ili intervali uzorkovanja, respektivno. Slika 1.1 ilustruje lokaciju uzoraka na ravni sa pravokutnim uzorkovanjem.
Glavno pitanje koje se nameće pri zamjeni kontinualne slike diskretnom je odrediti pod kojim uslovima je takva zamjena potpuna, tj. nije praćeno gubitkom informacija sadržanih u kontinuiranom signalu. Nema gubitaka ako, imajući diskretni signal, možete vratiti kontinuirano. S matematičke tačke gledišta, pitanje je stoga rekonstruirati kontinuirani signal u dvodimenzionalnim prostorima između čvorova u kojima su poznate njegove vrijednosti ili, drugim riječima, izvršiti dvodimenzionalnu interpolaciju. Na ovo pitanje može se odgovoriti analizom spektralnih svojstava kontinuiranih i diskretnih slika.
Dvodimenzionalni kontinuirani frekvencijski spektar kontinuiranog signala određen je dvodimenzionalnom direktnom Fourierovom transformacijom:
što odgovara dvodimenzionalnoj inverznoj kontinuiranoj Fourierovoj transformaciji:
Posljednja relacija vrijedi za sve vrijednosti, uključujući i čvorove pravougaone rešetke 
. Dakle, za vrijednosti signala u čvorovima, uzimajući u obzir (1.1), relacija (1.3) se može napisati kao:
Radi kratkoće, označimo pravokutnim presjekom u dvodimenzionalnom frekvencijskom domenu. Proračun integrala u (1.4) u cijelom frekvencijskom domenu može se zamijeniti integracijom po pojedinim dijelovima i zbrajanjem rezultata:
Zamjenom varijabli po pravilu postižemo nezavisnost domene integracije od brojeva i:
Ovdje se uzima u obzir da 
za bilo koje cjelobrojne vrijednosti i . Ovaj izraz je po formi vrlo blizak inverznoj Fourierovoj transformaciji. Jedina razlika je netačan oblik eksponencijalnog faktora. Da bismo mu dali traženi oblik, uvodimo normalizovane frekvencije i vršimo promenu varijabli u skladu sa tim. Kao rezultat dobijamo:
Sada izraz (1.5) ima oblik inverzne Fourierove transformacije, pa je funkcija pod predznakom integrala
(1.6)
je dvodimenzionalni spektar diskretne slike. U ravni nestandardizovanih frekvencija, izraz (1.6) ima oblik:
(1.7)
Iz (1.7) proizilazi da je dvodimenzionalni spektar diskretne slike pravougaono periodičan sa periodima i duž frekvencijskih ose i, respektivno. Spektar diskretne slike nastaje kao rezultat sumiranja beskonačnog broja spektra kontinuirane slike, koji se međusobno razlikuju po pomacima frekvencije i . Slika 1.2 kvalitativno prikazuje odnos između dvodimenzionalnih spektra kontinuiranih (slika 1.2.a) i diskretnih (slika 1.2.b) slika.
|
|
|
|
Rice. 1.2. Frekvencijski spektri kontinuiranih i diskretnih slika |
|
Sam rezultat sumiranja značajno ovisi o vrijednostima ovih pomaka frekvencije, odnosno, drugim riječima, o izboru intervala uzorkovanja. Pretpostavimo da je spektar kontinuirane slike različit od nule u nekom dvodimenzionalnom području u blizini nulte frekvencije, odnosno da je opisan dvodimenzionalnom konačnom funkcijom. Ako su intervali uzorkovanja odabrani tako da 
za , , tada neće doći do preklapanja pojedinih grana pri formiranju zbira (1.7). Prema tome, unutar svakog pravougaonog preseka samo će se jedan član razlikovati od nule. Posebno kada imamo:
u , . (1.8)
Dakle, unutar frekvencijskog domena, spektri kontinuiranih i diskretnih slika poklapaju se do konstantnog faktora. U ovom slučaju, spektar diskretne slike u ovom frekvencijskom području sadrži pune informacije o spektru kontinuirane slike. Naglašavamo da se ova koincidencija javlja samo pod određenim uslovima, određenim uspješnim izborom intervala uzorkovanja. Imajte na umu da se ispunjenje ovih uslova, prema (1.8), postiže pri dovoljno malim vrijednostima intervala uzorkovanja, koji moraju zadovoljiti zahtjeve:
u kojoj su granične frekvencije dvodimenzionalnog spektra.
Relacija (1.8) određuje način dobijanja kontinualne slike od diskretne. Da biste to učinili, dovoljno je izvršiti dvodimenzionalno filtriranje diskretne slike pomoću niskopropusnog filtera sa frekvencijski odziv
Spektar slike na svom izlazu sadrži komponente koje nisu nula samo u frekvencijskom domenu i jednak je, prema (1.8), spektru kontinuirane slike. To znači da je izlazna slika idealnog filtera niske frekvencije poklapa se sa .
Tako se idealna interpolaciona rekonstrukcija kontinualne slike izvodi pomoću dvodimenzionalnog filtera sa pravokutnim frekvencijskim odzivom (1.10). Nije teško eksplicitno zapisati algoritam za rekonstrukciju kontinuirane slike. Dvodimenzionalni impulsni odziv filtera za rekonstrukciju, koji se lako može dobiti pomoću inverzne Fourierove transformacije iz (1.10), ima oblik:
.
Filterski proizvod se može odrediti korištenjem dvodimenzionalne konvolucije ulazne slike i danog impulsnog odziva. Predstavljanje ulazne slike kao dvodimenzionalnog niza -funkcija
nakon izvođenja konvolucije nalazimo:
Rezultirajući odnos ukazuje na metodu za tačnu interpolacionu rekonstrukciju kontinualne slike iz poznatog niza njenih dvodimenzionalnih uzoraka. Prema ovom izrazu, za tačnu rekonstrukciju, dvodimenzionalne funkcije oblika treba koristiti kao interpolirajuće funkcije. Relacija (1.11) je dvodimenzionalna verzija Kotelnikov-Nyquistove teoreme.
Naglasimo još jednom da ovi rezultati vrijede ako je dvodimenzionalni spektar signala konačan, a intervali uzorkovanja dovoljno mali. Pravičnost izvedenih zaključaka je narušena ako barem jedan od ovih uslova nije ispunjen. Prave slike rijetko imaju spektre sa izraženim graničnim frekvencijama. Jedan od razloga koji vodi do neograničenog spektra je ograničena veličina slike. Zbog toga se pri sabiranju u (1.7) u svakoj od zona pojavljuje djelovanje članova iz susjednih spektralnih zona. U tom slučaju, precizna restauracija kontinuirane slike postaje potpuno nemoguća. Konkretno, upotreba filtera s pravokutnim frekvencijskim odzivom ne dovodi do precizne rekonstrukcije.
Odlika optimalne restauracije slike u intervalima između uzoraka je korištenje svih uzoraka diskretne slike, kako je propisano procedurom (1.11). Ovo nije uvijek zgodno, često je potrebno rekonstruirati signal u lokalnom području, oslanjajući se na mali broj dostupnih diskretnih vrijednosti. U ovim slučajevima preporučljivo je koristiti kvazioptimalnu rekonstrukciju koristeći različite interpolacijske funkcije. Ova vrsta problema nastaje, na primjer, pri rješavanju problema povezivanja dvije slike, kada, zbog geometrijskog određivanja ovih slika, raspoloživa očitanja jedne od njih mogu odgovarati nekim tačkama koje se nalaze u prostorima između čvorova slike. ostalo. O rješenju ovog problema detaljnije se govori u narednim odjeljcima ovog priručnika.
|
|
|
|
|
|
|
Rice. 1.3. Utjecaj intervala uzorkovanja na rekonstrukciju slike "otisak prsta" |
|
Rice. Slika 1.3 ilustruje efekat intervala uzorkovanja na restauraciju slike. Originalna slika, koja je otisak prsta, prikazana je na Sl. 1.3, a, a jedan od dijelova njegovog normaliziranog spektra je na Sl. 1.3, b. Ova slika je diskretna, a vrijednost se koristi kao granična frekvencija. Kako slijedi iz Sl. 1.3, b, vrijednost spektra na ovoj frekvenciji je zanemarljiva, što garantuje kvalitetnu rekonstrukciju. U stvari, posmatrano na Sl. 1.3.a slika je rezultat obnavljanja kontinuirane slike, a ulogu povratnog filtera obavlja uređaj za vizualizaciju - monitor ili štampač. U tom smislu, slika na sl. 1.3.a može se smatrati kontinuiranim.
Rice. 1.3, c, d pokazuju posljedice pogrešnog izbora intervala uzorkovanja. Prilikom njihovog dobijanja, „kontinuirana“ slika je „uzorkovana“ na Sl. 1.3.a smanjivanjem broja. Rice. 1.3,c odgovara povećanju koraka uzorkovanja za svaku koordinatu za tri, a sl. 1,3, g - četiri puta. Ovo bi bilo prihvatljivo kada bi vrijednosti graničnih frekvencija bile niže za isti broj puta. U stvari, kao što se može vidjeti sa Sl. 1.3, b, postoji povreda zahtjeva (1.9), posebno teška kada se uzorci razrijede četiri puta. Stoga, slike obnovljene algoritmom (1.11) ne samo da su defokusirane, već i u velikoj mjeri izobličavaju teksturu otiska.
|
|
|
|
|
|
|
Rice. 1.4. Utjecaj intervala uzorkovanja na rekonstrukciju “Portret” slike |
|
Na sl. 1.4 prikazuje sličnu seriju rezultata dobijenih za sliku tipa „portret“. Posljedice jačeg razrjeđivanja (četiri puta na slici 1.4.c i šest puta na slici 1.4.d) manifestiraju se uglavnom u gubitku jasnoće. Subjektivno, gubitak kvaliteta izgleda manje značajan nego na Sl. 1.3. Ovo se objašnjava znatno manjom spektralnom širinom od one slike otiska prsta. Uzorkovanje originalne slike odgovara graničnoj frekvenciji. Kao što se može videti sa sl. 1.4.b, ova vrijednost je mnogo veća od prave vrijednosti. Stoga, povećanje intervala uzorkovanja, ilustrovano na Sl. 1.3, c, d, iako pogoršava sliku, ipak ne dovodi do tako destruktivnih posljedica kao u prethodnom primjeru.
Po pravilu, signali ulaze u sistem za obradu informacija u kontinuiranom obliku. Za kompjutersku obradu kontinuiranih signala potrebno ih je, prije svega, pretvoriti u digitalne. Da bi se to postiglo, izvode se operacije uzorkovanja i kvantizacije.
Uzorkovanje slike
Uzorkovanje– to je transformacija kontinuiranog signala u niz brojeva (uzoraka), odnosno predstavljanje ovog signala prema nekoj konačnodimenzionalnoj bazi. Ova reprezentacija se sastoji od projektovanja signala na datu osnovu.
Najprikladniji i najprirodniji način uzorkovanja sa stanovišta organiziranja obrade je predstavljanje signala u obliku uzorka njihovih vrijednosti (uzoraka) na odvojenim, pravilno raspoređenim tačkama. Ova metoda se zove rasterizacija, a redoslijed čvorova u kojima se uzimaju uzorci je raster. Interval kroz koji se uzimaju vrijednosti kontinuiranog signala naziva se korak uzorkovanja. Recipročna vrijednost koraka se zove brzina uzorkovanja,
Suštinsko pitanje koje se nameće tokom uzorkovanja: na kojoj frekvenciji trebamo uzeti uzorke signala da bismo mogli da ga rekonstruišemo iz ovih uzoraka? Očigledno, ako se uzorci uzimaju prerijetko, oni neće sadržavati informacije o signalu koji se brzo mijenja. Karakterizirana je brzina promjene signala gornja frekvencija njegov spektar. Dakle, minimalna dozvoljena širina intervala uzorkovanja povezana je sa najvišom frekvencijom spektra signala (obrnuto proporcionalno njoj).
Za slučaj uniformnog uzorkovanja vrijedi sljedeće: Kotelnikova teorema, objavljenom 1933. godine u djelu “On propusni opseg etar i žica u telekomunikacijama.” Kaže: ako kontinuirani signal ima spektar ograničen frekvencijom, onda se može potpuno i nedvosmisleno rekonstruirati iz njegovih diskretnih uzoraka uzetih s periodom, tj. sa frekvencijom.
Obnavljanje signala vrši se pomoću funkcije 
. Kotelnikov je dokazao da se kontinuirani signal koji zadovoljava gore navedene kriterije može predstaviti kao niz:
.
Ova teorema se također naziva teorema uzorkovanja. Funkcija se također poziva funkcija uzorkovanja ili Kotelnikov, iako je interpolacijski niz ovog tipa proučavao Whitaker 1915. godine. Funkcija uzorkovanja ima beskonačno produženje u vremenu i dostiže svoju najveću vrijednost, jednaku jedinici, u tački oko koje je simetrična.
Svaka od ovih funkcija može se smatrati odgovorom ideala niskopropusni filter(niskopropusni filtar) na delta puls koji stiže u vrijeme . Stoga, da bi se povratio kontinuirani signal iz njegovih diskretnih uzoraka, oni moraju biti propušteni kroz odgovarajući niskopropusni filter. Treba napomenuti da je takav filter ne-kauzalni i fizički neostvariv.
Gornji omjer znači mogućnost precizne rekonstrukcije signala sa ograničenim spektrom iz niza njihovih uzoraka. Signali ograničenog spektra– to su signali čiji se Fourierov spektar razlikuje od nule samo unutar ograničenog dijela područja definicije. Optički signali se mogu svrstati u jedan od njih, jer Fourierov spektar slika dobijenih u optičkim sistemima je ograničen zbog ograničene veličine njihovih elemenata. Frekvencija se zove Nyquist frekvencija. Ovo je granična frekvencija iznad koje ne bi trebalo biti spektralnih komponenti u ulaznom signalu.
Kvantizacija slike
U digitalnoj obradi slike, kontinuirani dinamički raspon vrijednosti svjetline podijeljen je na više diskretnih nivoa. Ova procedura se zove kvantizacija. Njegova suština leži u transformaciji kontinuirane varijable u diskretnu varijablu koja uzima konačan skup vrijednosti. Ove vrijednosti se nazivaju nivoi kvantizacije. Općenito, transformacija se izražava funkcijom koraka (slika 1). Ako intenzitet uzorka slike pripada intervalu (tj. kada 
), tada se originalni uzorak zamjenjuje nivoom kvantizacije, gdje 
– pragovi kvantizacije. Pretpostavlja se da je dinamički raspon vrijednosti svjetline ograničen i jednak .
Rice. 1. Funkcija koja opisuje kvantizaciju
Glavni zadatak u ovom slučaju je odrediti vrijednosti pragova i nivoa kvantizacije. Najjednostavniji način Rješenje ovog problema je podjela dinamičkog raspona na jednake intervale. Međutim, ovo rješenje nije najbolje. Ako su vrijednosti intenziteta većine slika grupisane, na primjer, u "tamnoj" regiji i broj nivoa je ograničen, onda je preporučljivo kvantizirati neravnomjerno. U “tamnom” području potrebno je češće kvantizirati, a u “svjetlom” rjeđe. Ovo će smanjiti grešku kvantizacije.
U sistemima za obradu digitalne slike nastoje da smanje broj nivoa i pragova kvantizacije, budući da količina informacija potrebnih za kodiranje slike zavisi od njihovog broja. Međutim, s relativno malim brojem nivoa u kvantiziranoj slici, mogu se pojaviti lažne konture. Oni nastaju kao rezultat nagle promjene svjetline kvantizirane slike i posebno su uočljivi u ravnim područjima njene promjene. Lažne konture značajno narušavaju vizualni kvalitet slike, jer je ljudski vid posebno osjetljiv na konture. Kada se ujednačeno kvantiziraju tipične slike, potrebna su najmanje 64 nivoa.
Recite i pokažite na primjeru Pascala: 1) Šta je apsolutno i čemu služi? 2) Šta je asm i čemu služi? 3) Šta jekonstruktor i destruktor i čemu služi?
4) Šta je implementacija i čemu služi?
5) Imenujte Pascal module (u redu Koristi, na primjer crt) i koje mogućnosti ovaj modul pruža?
6) Koja je to vrsta varijable: pokazivač
7) I na kraju: šta znači simbol @, #, $, ^?
1. Šta je objekat?2. Šta je sistem?3. Koje je uobičajeno ime objekta? Navedite primjer.4. Šta je naziv jednog objekta? Navedite primjer.5.Navedite primjer prirodnog sistema.6. Navedite primjer tehničkog sistema.7. Navedite primjer mješovitog sistema.8. Navedite primjer nematerijalnog sistema.9. Šta je klasifikacija?10. Šta je klasa objekata?
1. Pitanje 23 - navedite načine rada pristupne baze podataka:Kreiranje tablice u modu dizajna;
-kreiranje tabele pomoću čarobnjaka;
-kreiranje tabele unosom podataka.
2. šta je vektorski format?
3. može li se to pripisati servisni programi sljedeće:
a) programi za održavanje diska (kopiranje, dezinfekcija, formatiranje, itd.)
b) kompresiju fajlova na diskovima (arhivatori)
c) borba protiv kompjuterskih virusa i još mnogo toga.
Ja lično mislim da je ovdje odgovor B - tačno ili pogrešno?
4. što se tiče osobina algoritma (a. diskretnost, b. efektivnost c. masovnost, d. sigurnost, d. izvodljivost i razumljivost) - ovdje mislim da su sve opcije ispravne. U pravu ili ne?
testirajte 7 jednostavnih pitanja sa višestrukim odgovorom13. Brzina procesorskog takta je:
A. broj binarnih operacija koje je izvršio procesor po jedinici vremena
B. broj generiranih impulsa u sekundi koji sinhronizuju rad računarskih čvorova
C. broj mogućih pristupa procesoru ram memorija po jedinici vremena
D. brzina razmjene informacija između procesora i ulazno/izlaznih uređaja
14. Odredite minimum potreban set uređaji dizajnirani za rad računara:
A. štampač, sistemska jedinica, tastatura
B. procesor, RAM, monitor, tastatura
C. procesor, streamer, hard disk
D. monitor, sistemska jedinica, tastatura
15. Šta je mikroprocesor?
A. integralno kolo, koji izvršava komande primljene na svom ulazu i kontroliše
Rad računara
B. uređaj za pohranjivanje podataka koji se često koristi na poslu
C. uređaj za prikazivanje tekstualnih ili grafičkih informacija
D. uređaj za izlaz alfanumeričkih podataka
16. Interakcija korisnika sa softversko okruženje izvedeno korištenjem:
A. operativni sistem
B. sistem datoteka
C. Prijave
D. upravitelj datotekama
17. Direktna kontrola softver korisnik može izvršiti sa
Autor:
A. operativni sistem
B. GUI
C. Korisničko sučelje
D. upravitelj datotekama
18. Metode pohranjivanja podataka na fizičkim medijima određuju se:
A. operativni sistem
B. aplikativni softver
C. sistem datoteka
D. upravitelj datotekama
19. Grafičko okruženje na kojem se prikazuju objekti i kontrole Windows sistemi,
Kreirano za praktičnost korisnika:
A. hardverski interfejs
B. korisnički interfejs
C. desktop
D. softverski interfejs
20. Brzina računara zavisi od:
A. frekvencija sata procesor
B. prisustvo ili odsustvo povezanog štampača
C. organizacija interfejsa operativnog sistema
D. eksterni kapacitet skladištenja
