Die Ergebnisse des COIL-Experiment haben gezeigt, dass die NCD ohne Verwendung einer Transformation auf Graustufenbildern gute Ergebnisse erzielen. Vorallem bzip2 und lzma liefert hier eine korrekte Klassifikation der Objekte des Testdatensatzes. Im Rahmen des Experimentes konnte keine wesentliche Verbesserung der Klassifikationen durch Anwenden einer Transformation festgestellt werden. Man kann den Ergebnissen entnehmen, dass die Col-By-Col-, Spiral- und Cantor-Transformation die Ergebnisse im Allgemeinen nicht verbessern. Die Transformationen begünstigen eher andere Merkmale der einzelnen Objekte. Im Rahmen dieser Arbeit waren wir auf der Suche nach Transformationen, die unabhängig von den Daten, eine bessere Klassifikation zulassen. Die Untersuchung von Space-filling Curves, als Transformation von Bilddaten, erscheint dennoch als sinnvoll. In den Ergebnissen des Resolution-Experiments kann man erkennen, wie sich die Hilbert- und die Peano- Transformation, zumindest unter bestimmten Voraussetzungen, positiv auswirken.