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

首先需要安装以下库：numpy、nibabel、matplotlib。

下面是完整代码：

import numpy as np
import nibabel as nib
import matplotlib.pyplot as plt
import os

def save_2d_slices(img, mask, save_path):
    """
    将3D图像转换成2D灰度图和二值化标签图，并保存到指定路径中。
    :param img: 3D图像
    :param mask: 对应的标签
    :param save_path: 保存路径
    """
    if not os.path.exists(save_path):
        os.makedirs(save_path)
        
    # 将3D图像和标签转换成numpy数组
    img_arr = np.array(img.get_data())
    mask_arr = np.array(mask.get_data())
    
    # 遍历每个slice
    for i in range(img_arr.shape[2]):
        img_slice = img_arr[:, :, i]
        mask_slice = mask_arr[:, :, i]
        
        # 将标签二值化
        mask_slice[mask_slice == 1] = 0  # 背景
        mask_slice[mask_slice == 2] = 1  # 肝脏
        mask_slice[mask_slice == 3] = 2  # 肝脏肿瘤
        
        # 保存到文件中
        plt.imsave(os.path.join(save_path, f"img_{i}.png"), img_slice, cmap='gray')
        plt.imsave(os.path.join(save_path, f"mask_{i}.png"), mask_slice, cmap='gray')

# 读取数据集路径
data_path = r"C:\Users\Administrator\Desktop\LiTS2017"

# 遍历数据集中Training Batch 1中的每个图像
for i in range(131):
    img_path = os.path.join(data_path, "Training Batch 1", f"volume-{i}.nii")
    img = nib.load(img_path)
    
    # 对应的标签
    mask_path = os.path.join(data_path, "Training Batch 2", f"segmentation-{i}.nii")
    mask = nib.load(mask_path)
    
    # 将3D图像转换成2D灰度图和二值化标签图，并保存到指定路径中
    save_2d_slices(img, mask, r"C:\Users\Administrator\Desktop\2D-LiTS2017\image")
    save_2d_slices(mask, mask, r"C:\Users\Administrator\Desktop\2D-LiTS2017\mask")

运行完毕后，LiTS2017数据集就会被处理成2D的png格式，并保存到C:\Users\Administrator\Desktop\2D-LiTS2017文件夹中。其中，image文件夹中保存的是2D灰度图，mask文件夹中保存的是对应的标签。