为了简化计算和避免插值，我们在处理图像时经常将像素的梯度方向离散化为八个主要方向：上、下、左、右以及四个对角线方向。在计算梯度时，我们只需要考虑前后（即在梯度方向上的相邻像素）就可以了。
例如，在Canny边缘检测算法中，一旦我们计算出图像中每个像素的梯度和方向，我们就会把梯度方向离散化为四个主要方向（或者说八个，因为方向是有方向的，比如上和下被视为两个不同的方向）。然后，我们就可以执行非极大值抑制步骤，即只保留那些在其梯度方向上比前后两个像素都亮的像素。
这样做的好处是，可以大大简化计算，并且使结果更容易解释（比如说，我们可以说边缘是垂直或水平的，而不是在一些难以理解的角度上）。然而，这也可能导致一些信息的丢失，因为我们忽略了不符合这八个主要方向的梯度。但是，实践中发现这种方法通常效果很好，而且计算效率高。
好的，让我们以更简单的方式解释一下。
想象一下，你在玩一个电子游戏，你的角色可以向上、下、左、右移动，也可以沿着对角线移动。总共就是八个方向，对吧？现在想象每一个像素（或者说电视屏幕上的一点）都是一个小人，他们也可以向这八个方向移动。
在电脑处理图像时，它会看看这个小人如果沿着这八个方向走，会走向更亮的地方还是更暗的地方。这就像是小人站在山坡上，朝着山坡往下看，然后决定往哪个方向走。这个方向就叫做“梯度”。
但是，如果我们让小人可以向任何方向看，那么他有太多的选择了，电脑需要做很多计算。所以，为了简化问题，我们只让小人向八个主要方向看：上、下、左、右和四个对角线方向。这样电脑就可以更快地决定每个像素的梯度方向，即哪个方向是向着更亮或更暗的地方。
然后，我们只保留那些在梯度方向上比前后两个像素都亮的像素，这个步骤叫做“非极大值抑制”。这样我们就可以得到较为准确的边缘像素，即那些垂直或水平的边缘，而不是在一些难以理解的角度上。