RBF以簡單的數學統計理論為基礎，搭配線性代數的混合計算，已經可以概論達成影像於幾何分佈上的變形目的。而以backward的方式直接進行內插求座標值，不但在執行結果上與forward再backward兩次內插的結果幾乎完全相同，更有效節省了時間與空間複雜度，大大提升程式的效能。

        但從實驗結果中即可看出，特徵點的標定對於影像變形的結果含有相當程度的影響，因此專題中由王同學所負責的部份 ：如何準確、有效且自動化地標定特徵點，仍是本領域中必須不斷精進與突破的問題。至於如何突破，除了技術層面的不斷更新外，大量的資料搜集、分析與統計仍是需要同步不斷進行的。

        另外從實驗結果中亦可看出，除了幾何分佈上的變形外，尚須配合質地色彩的變形與分析計算，方能達到最符合現實情況的變形成果。雖在本次專題中並無涉足此部份，但也使我們漸漸了解影像處理各部份技術的相關聯性與重要性。

未來展望

        本專題成果於近程的發展計劃，即令單張影像的變形技術延伸，至可批次處理多張影像，如此便可使用於連續影片中人臉的偵測與變形，藉以有效監控或模擬動態情境，甚至持續開發更有利於日常生活的功能，無論於攝影機或一般web cam等均可發展利用。

        至於人臉辨識與變形技術的長遠展望，諸如科幻電影中經常出現的人臉身份認證、人臉與其他物種或形象的合成與轉換、人臉偵測與安全性裝置的結合與應用等，雖目前皆有一定程度的發展，但都尚未達到足以普及應用於現實生活中的層次。希望能夠透過持續的研究，於此領域有所貢獻。