请将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，里面有图像。和Training Batch 2，里面有标签，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的完整代码：

import os
import numpy as np
from PIL import Image

def process_image(image_path, save_path):
    # 读取nii文件
    image_array = np.load(image_path).astype(np.float32)
    # 归一化到0-255之间
    image_array = (image_array - np.min(image_array)) / (np.max(image_array) - np.min(image_array)) * 255
    # 将数据类型转换为uint8
    image_array = image_array.astype(np.uint8)
    # 将三维图像分成若干个二维图像
    for i in range(image_array.shape[0]):
        image = Image.fromarray(image_array[i])
        image.save(os.path.join(save_path, f"{i}.png"))

def process_label(label_path, save_path):
    # 读取nii文件
    label_array = np.load(label_path).astype(np.uint8)
    # 将标签转换为灰度图
    label_array[label_array == 1] = 255
    label_array[label_array == 2] = 128
    # 将三维标签分成若干个二维标签
    for i in range(label_array.shape[0]):
        label = Image.fromarray(label_array[i])
        label.save(os.path.join(save_path, f"{i}.png"))

# LiTS2017数据集路径
data_path = "C:\\Users\\Administrator\\Desktop\\LiTS2017"
# 保存路径
save_path = "C:\\Users\\Administrator\\Desktop\\2D-LiTS2017"
# 创建保存路径
os.makedirs(save_path, exist_ok=True)
os.makedirs(os.path.join(save_path, "image"), exist_ok=True)
os.makedirs(os.path.join(save_path, "mask"), exist_ok=True)

# 处理Training Batch 1
image_path = os.path.join(data_path, "Training Batch 1", "volume-{}.npy")
for i in range(131):
    process_image(image_path.format(i), os.path.join(save_path, "image"))

# 处理Training Batch 2
label_path = os.path.join(data_path, "Training Batch 2", "segmentation-{}.npy")
for i in range(131):
    process_label(label_path.format(i), os.path.join(save_path, "mask"))

上述代码中，`process_image`函数将三维的图像分成若干个二维图像，并将数据类型转换为uint8，并保存为png格式；`process_label`函数将标签转换为灰度图，并将标签值转换为0、1、2三个灰度值，并保存为png格式。在主函数中，我们分别处理Training Batch 1和Training Batch 2中的数据，并将处理好的图像保存到`image`文件夹，将处理好的标签保存到`mask`文件夹。