请将LiTS2017数据集处理成2D的png格式，其中要将我的标签变成灰度图背景灰度值0肝脏1肝脏肿瘤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，其中里面有图像，图像格式为volume-0.nii。和Training Batch 2，其中里面有标签，标签格式为segmentation-0.nii，保存路径为C:\Users\Administrator\Desktop\2D-LiTS2017，里面有image和mask两个文件夹，请将转换好的保存到对应的文件夹

以下是将LiTS2017数据集处理成2D的png格式，并将标签转换为灰度图的Python代码，保存路径为C:\Users\Administrator\Desktop\2D-LiTS2017，里面有image和mask两个文件夹。

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

# 设置数据集路径
data_dir = 'C:/Users/Administrator/Desktop/LiTS2017'
save_dir = 'C:/Users/Administrator/Desktop/2D-LiTS2017'

# 创建保存路径
if not os.path.exists(save_dir):
    os.makedirs(os.path.join(save_dir, 'image'))
    os.makedirs(os.path.join(save_dir, 'mask'))

# 读取数据
for i in range(1, 131):
    # 读取图像
    image_path = os.path.join(data_dir, 'Training Batch 1', f'volume-{i}.nii')
    image_nii = nib.load(image_path)
    image_data = image_nii.get_fdata()

    # 读取标签
    mask_path = os.path.join(data_dir, 'Training Batch 2', f'segmentation-{i}.nii')
    mask_nii = nib.load(mask_path)
    mask_data = mask_nii.get_fdata()

    # 处理数据
    for j in range(image_data.shape[2]):
        # 将图像和标签转换为灰度图
        img = Image.fromarray(np.uint8(image_data[:, :, j] / np.max(image_data[:, :, j]) * 255), mode='L')
        mask = Image.fromarray(np.uint8(mask_data[:, :, j] / np.max(mask_data[:, :, j]) * 255), mode='L')

        # 将标签转换为灰度图背景灰度值0肝脏1肝脏肿瘤2
        mask = np.array(mask)
        mask[mask == 1] = 128
        mask[mask == 2] = 255
        mask[mask == 128] = 1
        mask[mask == 255] = 2
        mask = Image.fromarray(np.uint8(mask), mode='L')

        # 保存图像和标签
        img.save(os.path.join(save_dir, 'image', f'volume-{i}-slice-{j}.png'))
        mask.save(os.path.join(save_dir, 'mask', f'segmentation-{i}-slice-{j}.png'))

代码中，我们使用nibabel库读取.nii格式的数据，然后使用PIL库将数据转换为灰度图，并将标签转换为灰度图背景灰度值0肝脏1肝脏肿瘤2。最后将处理好的图像和标签保存到对应的文件夹中。