20小时3个步骤自学摄影,快速成为摄影师的秘密

  "教练我想学摄影!"

  "先交5W学费吧!"

  

我是从事摄影行业的,所以身边经常有朋友问我,能不能教我学摄影呀?答应吧,怕没时间教。不答应吧,显得我好像很高冷。只好推脱,推荐他去专业机构学习。问题来了,专业机构学费太贵!那怎么办?

  别怕,今天我就来教你

    如何自学摄影!

  这篇文章中提及的学习方法同样也适用于任何技能的自学。劳您收藏。

  

一、形成初步认知地图

  形成初步认知地图。什么意思呢?回想一下我们在学校学习的时候。老师是系统性的、按部就班的,逐步扩展我们的认知。关键在于"系统"。什么是系统呢?随便翻开一本书,翻到目录,这就是这本书的系统。

  

  上图中是《美国纽约摄影学院摄影教材》下册的目录一部分。(上册被我送人了)在"数码摄影"这一章中,作者为什么要先写《什么是"数码"?》,再写《数字怎样记录视觉信息》呢?这里面有没有什么逻辑关系呢?

  答案当然是肯定的。先学什么,再学什么,这是有一定的规律和逻辑的。

  我们在学习一个新的技能之前,就要先在自己的脑海中形成这样的一个"目录"。这个"目录"就叫认知地图,它是一个宏观的概念地图。这样我们才能够在接下来的学习过程中有一个明确的目的,知道自己应该先学什么,再学什么,什么阶段应该学习什么内容。

  

二、建立模型

  现在你的大脑中已经有了一个叫做"摄影"的概念地图了。这时候你就可以开始精细的理解每一个参数、术语了。在你的大脑中不断的完善这张地图。

  当你理解了一个或者一系列的知识点以后,尝试着把这些知识点变成一个知识的模型。具体应该怎么做呢?

找一个白板,或者思维导图的软件,把你脑海中关于这个知识的概念、来源、公式、用途等等写在便利贴上,再把它们都贴在白板上。然后把它们一个一个的都联系起来,不断的建立和修正这些关系,逐渐形成系统的模型。

  

三、理解复述

  设想一下,你现在要把你学到的摄影知识教授给你的朋友

你要用自己的理解、自己的语言来复述出你刚刚在大脑中建立的这个模型。就像老师教授学生一样。当你这样做的时候,你就会清楚的意识到关于这个概念你了解了多少,还有哪些不明白的地方。

  记下这些你还无法清晰表述出来的点,再回到资料里,重新理解,再复述。这样你就能够非常深刻的理解透彻这些知识。

 

  经过以上的三个步骤以后,相信你已经能够掌握摄影这项技能了。

  最后我想讲一些在学习一个新的技能的时候需要注意的坑和一些最好要做到的事情。

  

1、远离"达克效应"

  很多人刚学摄影几个月就开始这样评论:"伦勃朗光已经过时了!","小清新的照片一点技术含量都没有!"。

这就是陷入了达克效应的表现。达克效应是一个心理效应。达克效应是一种认知偏差的现象,通常是指人们过高的估计了自己或他人的水平。

  那么我们应该怎样远离"达克效应"这个让人迷失的魔鬼呢?史蒂夫·乔布斯说:"保持饥饿,保持愚蠢!"只有这样,才能让我们不会迷失。

  

2、一万小时定律

作家格拉德威尔在《异类》中说:"人们眼中的天才之所以卓越非凡,并非天资超人一等,而是付出了持续不断的努力。1万小时的锤炼是任何人从平凡变成世界级大师的必要条件。"。这就是我们熟知的一万小时定律。

  任何能力的获取和成功都离不开努力的练习。摄影也是一样的。

  当你了解了光圈、快门、ISO这个铁三角以后,你就要通过大量的练习来巩固和提高。当然,练习要有明确的目的性,而不是盲目的乱拍。针对不同的场景、不同的光线条件,采取合理的方法来进行实验性的拍摄,并且不断的分析结果,再改进,再分析,再改进……这样才能够保证你的练习是有效的。

  

3、客观的对待他人的观点

  我们在上学的时候都做过广播体操,虽然都是同一个标准,但是同学们做出来的动作依然是五花八门的。

  摄影中很多术语"关系"、"层次"、"张力"在每个人的理解中经常都是不一样的。这时候我们就需要客观的对待这些人的观点。在看到一个新的教程中的观点时,先不要全部接受,也不要完全不信,自己先尝试一下,然后再看看其他人的说法是不是能够佐证这个观点。

  尤其是对于一些概念和方法,一定要多看看其他人的观点是不是一致的。

  

4、享受提高的过程

  排除枯燥的反复练习,学习一个新的技能的过程通常都是有趣的。当你看到别人的作品比自己更好的时候,就要多想想别人是用什么方法做到的。比如他是用什么焦段的镜头来实现这种透视效果的,又或者是他在这张照片中用了几盏灯,分别是在什么位置,为什么要这样打光?等等。

  带着分析和思考的思维去看待他人的作品,这样就能够帮助你提高自己的能力。试着去享受这样的学习和提高的过程,你会进步的更快的。 

发表评论

您的电子邮箱地址不会被公开。

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据