请将我的LiTS2017数据集的图像和标签处理成2D的png格式，并且标签需要拆分成灰度图，背景灰度值0，肝脏灰度值1，肝脏肿瘤灰度值2，给出完整代码，我的LiTS2017数据集路径为C:\Users\Administrator\Desktop\LiTS2017，里面包含Training Batch 1文件夹和Training Batch 2文件夹，Training Batch 1文件夹里面有图像，图像的拓展名为.nii。Training Batch 2文件夹里面有标签,标签拓展名为.nii，保存路径为C:\Users\Administrator\Desktop\2D-LiTS2017，请帮我创建好对应文件夹，并且将转换好的保存到对应的文件夹

好的，以下是对应的代码：

import os
import numpy as np
import nibabel as nib
from PIL import Image

# 创建保存文件夹
os.makedirs('C:/Users/Administrator/Desktop/2D-LiTS2017/images', exist_ok=True)
os.makedirs('C:/Users/Administrator/Desktop/2D-LiTS2017/labels', exist_ok=True)

# 读取数据
data_path = 'C:/Users/Administrator/Desktop/LiTS2017/'
train_batch1_path = os.path.join(data_path, 'Training Batch 1')
train_batch2_path = os.path.join(data_path, 'Training Batch 2')

# 处理图片数据
for i in range(131):
    # 读取图像数据
    image_file = os.path.join(train_batch1_path, f'volume-{i+1}.nii')
    image_data = nib.load(image_file).get_fdata()
    # 将图像数据保存为2D png格式
    for j in range(image_data.shape[2]):
        img = Image.fromarray(image_data[:, :, j])
        img_path = os.path.join('C:/Users/Administrator/Desktop/2D-LiTS2017/images', f'image-{i+1}-{j+1}.png')
        img.save(img_path)

# 处理标签数据
for i in range(131):
    # 读取标签数据
    label_file = os.path.join(train_batch2_path, f'segment-{i+1}.nii')
    label_data = nib.load(label_file).get_fdata()
    # 将标签数据拆分成灰度图
    for j in range(label_data.shape[2]):
        img_data = np.zeros((label_data.shape[0], label_data.shape[1]), dtype=np.uint8)
        img_data[label_data[:, :, j] == 0] = 0  # 背景灰度值为0
        img_data[label_data[:, :, j] == 1] = 1  # 肝脏灰度值为1
        img_data[label_data[:, :, j] == 2] = 2  # 肝脏肿瘤灰度值为2
        img = Image.fromarray(img_data)
        img_path = os.path.join('C:/Users/Administrator/Desktop/2D-LiTS2017/labels', f'label-{i+1}-{j+1}.png')
        img.save(img_path)

以上代码将会把你的LiTS2017数据集的图像和标签处理成2D的png格式，并且标签会被拆分成灰度图，背景灰度值0，肝脏灰度值1，肝脏肿瘤灰度值2，并保存到对应的文件夹中。