望遠鏡,很多人注重參數,在選購望遠鏡的時候不要過於看中參數了:

一、其實,10倍以內就夠了,手持的最佳倍數為約8倍。大於12倍的,其實都是噱頭。

望遠鏡最重要的參數,放大倍率

望遠鏡最重要的參數

在放大倍率相同的情況下,鏡頭口徑越大,則越明亮越舒服,但是,價格也越貴,重量也越重

望遠鏡最重要的兩個參數,就是放大倍率和鏡頭口徑了,以上這款是20倍的放大倍率,鏡頭口徑為22mm,在這款望遠鏡的鏡身上,就有20x22的標示,20就是放大倍率,22就是口徑

二、10倍以內的望遠鏡,要選擇一個口徑大的,在能夠帶得動的情況下,口徑越大越好,這樣看起來就越舒服,穩定性也越好。

望遠鏡上一般都有類似於「20x22」這樣的標示數字,前面的數字是放大倍率,後面的數字是鏡頭口徑

三、望遠鏡,始終還是要買正宗的大品牌,當然,大品牌都貴了,1000以下都買不到的。現在山寨品牌太多了,只能作為玩具玩玩。不過,既然是玩具,買個100-200的就可以了。

四、如果非要買1000塊錢以下的望遠鏡,那麼,一定要買300塊錢以內的。300-1000這個價格段,其實沒有選購的必要,除非是天文望遠鏡。

五、如果真的喜歡,尼康,佳能,肯高,minox,萊卡,施華洛世奇,這些還是要好一些,有興趣的話,可以買個minox或者萊卡的望遠鏡,還是很超值的。

其實,這些真正的大品牌,性能參數看似都不高,沒有那些山寨貨搞的那麼高科技和強大了。

最後,說一下望遠鏡可以看多遠的事情,其實,這個根本就是一個偽命題,能夠看多遠,取決於能見度,和望遠鏡沒有關係,望遠鏡最重要的是放大倍率,你想把月亮充滿畫面,就要至少30倍以上的天文望遠鏡了。

這個望遠鏡,說可以望90000米,其實是胡說八道

一般來說,很多山寨望遠鏡或者小品牌的望遠鏡,鏡頭上都有一個很大的數字,比如說,1000,其實就是胡說可以看1000米,在能見度很好的時候,怎麼只能看1000米呢?

這些低價望遠鏡,不可當真了,所幸的是,價格還算便宜,並沒有坑人,還是值得買回來玩玩的

最後的最後,說一下視場角,也就是7°啊,10°啊,11°啊,這些,這個不好理解,所以有的廠商,搞了一個視場角的對比數值,1000m/10000米,其實這個就是10°。貌似這兩組數值相除,就是度數了。不過無論是度數還是比值,其實都沒有什麼實際意義,我們還是隻看放大倍率,放大倍率更容易理解。


嚴格的說,問的是雙筒望遠鏡的參數標識。一般有幾個,一是看到的如8×42,這個意思是8×代表8倍,42代表物鏡口徑42mm,還有些標註了視場大小,如142m/1000m代表瞭望遠鏡在1000米處能看到142米寬,有些用的是標註了 ° 例如上面的就是折算過來是8.1°,還有就是waterproof ,代表防水,有些會標註BAK4這個字眼,是說明稜鏡使用的玻璃牌號,有些是加上了ED兩個字,代表用了ED玻璃!,外加說一句,倍數大小的事,手持的雙筒望遠鏡一般適宜的是7-10倍,當然也有4倍6倍的,12倍還可以接受,15倍也有,不過對使用者要求很高,至於那些動不動就幾十×幾十的,直接忽視即可,騙人而已,

上面圖裡面的適度為視度,做圖時手快,打錯了。??

{!-- PGC_VIDEO:{"thumb_height": 360, "thumb_url": "4b920007bc156efc93e5", "vname": "", "vid": "e93700ae131c4e4c803574a582474ef7", "thumb_width": 360, "src_thumb_uri": "4b8f000b5d65fa262615", "sp": "toutiao", "update_thumb_type": 1, "vposter": "http://p0.pstatp.com/origin/4b920007bc156efc93e5", "video_size": {"high": {"h": 480, "subjective_score": 0, "w": 480, "file_size": 2118198}, "normal": {"h": 360, "subjective_score": 0, "w": 360, "file_size": 1138252}}, "md5": "d920f4189691dc39e6aa493c489c877a", "duration": 32.286, "file_sign": "d920f4189691dc39e6aa493c489c877a", "thumb_uri": "4b920007bc156efc93e5", "vu": "e93700ae131c4e4c803574a582474ef7"} --}

,再發個一般的兩種望遠鏡外形區別,左邊屋脊鏡(也叫直筒鏡,顧名思義??),右邊保羅鏡。

補個標準參數圖


推薦閱讀:
相關文章