已知一些图像边缘点坐标，在边缘点周围进行像素值的扩散，将扩散后的图像与原图像其他部分拼接在一起形成新图像的具体代码

这个问题需要更具体的信息才能给出代码，比如图像的格式、边缘点的坐标、扩散半径、拼接方式等等。不过我可以给出一个通用的思路：

1. 读入原始图像，将其转换成数组；
2. 对于每个边缘点，以其坐标为中心，扩散一定半径内的像素值；
3. 将扩散后的像素值填入新数组中；
4. 将新数组和原数组的其他部分拼接在一起，生成新图像。

以下是一个简单的示例代码，假设原始图像为灰度图、边缘点坐标存储在列表 `edge_points` 中、扩散半径为 5、拼接方式为将原数组的左半部分和右半部分交换：

import cv2
import numpy as np

# 读入原始图像
img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 新数组的大小等于原数组加上扩散半径
new_shape = (img.shape[0] + 10, img.shape[1] + 10)
new_img = np.zeros(new_shape, dtype=np.uint8)

# 扩散像素值
for x, y in edge_points:
    for i in range(-5, 6):
        for j in range(-5, 6):
            new_x, new_y = x + i + 5, y + j + 5
            new_img[new_x, new_y] = img[x, y]

# 拼接图像
middle_point = img.shape[1] // 2
new_img[:, :middle_point], new_img[:, middle_point:] = new_img[:, middle_point:], new_img[:, :middle_point]

# 显示结果
cv2.imshow('new image', new_img)
cv2.waitKey(0)
cv2.destroyAllWindows()