const density1 = ' ?';

let video;

let label = "waiting...";

// The classifier

let classifier;

let asciiDiv;

let modelURL = 'https://teachablemachine.withgoogle.com/models/J0UOkIUPS/';

let gotResults;

​

// STEP 1: Load the model!

function preload() {

  classifier = ml5.imageClassifier(modelURL + 'model.json');

}

​

​

function setup() {

  createCanvas(640, 520);

  // Create the video

  video = createCapture(VIDEO);

  video.hide();

  // STEP 2: Start classifying

  classifyVideo();

}

​

// STEP 2 classify the videeo!

function classifyVideo() {

  classifier.classify(video, gotResults);

}

​

function draw() {

  background(0);

​

  // Draw the video

  image(video, 0, 0);

​

  // STEP 4: Draw the label

  textSize(32);

  textAlign(CENTER, CENTER);

  fill(255);

  text(label, width / 2, height - 16);

​

​

​

  if (label == "One Phone") {

             video.loadPixels();

          fill(255,0,0);

          stroke(255,0,0);

          strokeWeight(1);

          let asciiImage = "";

          for (let j = 0; j < video.height; j++) {

            for (let i = 0; i < video.width; i++) {

              const pixelIndex = (i + j * video.width) * 4;

              const r = video.pixels[pixelIndex + 0];

              const g = video.pixels[pixelIndex + 1];

              const b = video.pixels[pixelIndex + 2];

              const avg = (r + g + b) / 3;

              const len = density1.length;

              const charIndex = floor(map(avg, 0, 255, 0, len));

              const c = density1.charAt(charIndex);

              if (c == " ") asciiImage += " ";

              else asciiImage += c;

            }

            asciiImage += '<br/>';

          }

          asciiDiv.html(asciiImage);

  } else if (label == "Two Phone") {

             video.loadPixels();

          fill(255,0,0);

          stroke(255,0,0);

          strokeWeight(1);

          let asciiImage = "";

          for (let j = 0; j < video.height; j++) {

            for (let i = 0; i < video.width; i++) {

              const pixelIndex = (i + j * video.width) * 4;

              const r = video.pixels[pixelIndex + 0];

              const g = video.pixels[pixelIndex + 1];

              const b = video.pixels[pixelIndex + 2];

              const avg = (r + g + b) / 3;

              const len = density.length;

              const charIndex = floor(map(avg, 0, 255, 0, len));

              const c = density.charAt(charIndex);

              if (c == " ") asciiImage += " ";

              else asciiImage += c;

            }

            asciiImage += '<br/>';

          }

          asciiDiv.html(asciiImage);

  } 

​

  // Draw the emoji

//   textSize(256);

//   text(emoji, width / 2, height / 2);

// }

​

// STEP 3: Get the classification!

function gotResults(error, results) {

  // Something went wrong!

  if (error) {

    console.error(error);

    return;

  }

  // Store the label and classify again!

  label = results[0].label;

  classifyVideo();

}

}